将列中的多种日期格式转换为单个表单答案

【问题标题】：Converting multiple date formats in a column to a single form将列中的多种日期格式转换为单个表单
【发布时间】：2015-04-18 07:28:54
【问题描述】：

我在数据框中有一列，其中包含以多种形式存储的日期信息，例如

dob <- c("18/02/1983","36782","01/11,1999 11:55",
         "Dead 12/12/2001","Alive 03/07/1985")

我想将所有这些转换为POSIXlt 格式的"%d/%m/%Y" 日期，没有时间信息，也没有"Dead" 或"Alive" 前缀。

以前所有类似问题的解决方案都只涉及两种可能的格式，我可以说，而我有更多，而且我还有转换 5 位数字格式日期的问题（我认为这是起源于 1970 年的数字日期- 01-01 来自 Excel）也。我正在使用 R-3.1.2。任何帮助将不胜感激！

【问题讨论】：

您需要了解您的源数据，因为有些日期会不明确。例如，是"01/11,1999" 1999 年 11 月 1 日；还是 1999 年 1 月 11 日？
您的 Excel 日期可能有问题（请参阅here）
他们都是%d/%m/%Y，幸好！

标签： r date

【解决方案1】：

对此没有简单或简单的解决方案，您至少必须手动检查格式。但话说回来，解决方案的伪代码是这样的：

tmp <- grepl('[0-9][0-9]/[0-9][0-9]/[0-9][0-9][0-9][0-9]', dob))
formats[tmp] <- '%d/%m/%Y'
tmp <- grepl( other format, dob)
formats[tmp] <- 'other format'
etc...
dates <- strptime(dob, formats)

【讨论】：

【解决方案2】：

lubridate 在日期格式方面很灵活。

根据您的 5 个日期样本在较大数据集中的代表性，您可以对它们进行一次解析，以过滤掉那些通常是日-月-年的样本。然后，假设其余的是不可靠的 Excel 日期，根据它们的正确来源分别解析它们（警告，这可能是 depend on which OS 创建 Excel 文件）。

library(lubridate)
d <- parse_date_time(dob, c('%d%m%y', '%d%m%y %H%M'))
d[is.na(d)] <- as.POSIXct(as.Date(as.numeric(dob[is.na(d)]), 
                                  origin = "1899-12-30"))

d

## [1] "1983-02-18 00:00:00 UTC" "2000-09-13 00:00:00 UTC" "1999-11-01 11:55:00 UTC"
## [4] "2001-12-12 00:00:00 UTC" "1985-07-03 00:00:00 UTC"

AFAIK 你不能省略来自POSIXlt/POSIXct 对象的时间信息，所以如果你想这样做，你可能需要：

as.Date(d)

这将是%d-%m-%Yformat（在我的语言环境中），

或

format(d, '%d/%m/%Y')

这将是character。

【讨论】：